PCA-改进RPROP方法的BP算法在音乐信号分类中的应用.pdfVIP

-84-测控技术数据采集与处理I

2019年第38卷第7期

PCA-改进RPR0P方法的BP算法在音乐信号

分类中的应用

符朝兴1,沈威1,高述勇#,闫福珍2

(1.青岛大学机电工程学院，山东青岛266071；2.青岛大学商学院，山东青岛266071)

摘要：针对标准的BP神经网络仅从预测误差负梯度方向修正权值和阈值，学习过程收敛缓慢，并且容

易陷入局部最小值，导致泛化能力不足的问题，提出了一种基于学习经验变学习速率改进的RPR0P方

法作为BP神经网络权值和阈值更新方法，并与主成分分析法(PrincipalComponentAnalysis，PCA)相结

合,形成了PCA-改进神经网络算法。同时，采用Matlab软件对四类音乐信号进行分类实验。实验结果

表明，改进算法比标准算法的稳定识别率提高2.6%，当稳定识别率达到90%时，用时节省75%，表明

该算法可以加快网络的收敛过过，提高泛化能力。

关键词：改进的RPR0P方法；BP神经网络；PCA音乐识别；收敛速度；泛化能力

中图分类号:TP183文献标识码:A文章编号：1000-8829(2019)07-008-05

doi：10.19708/j.ckjs.2019.07.018

ApplicationofBPAlgorithmofPCA-ImprovedRPROPMethodinMusic

SignalClassitcahon

FUChao-xing1,SHENWei1,GAOShu-yong1,YANFu-zhen2

(1.SchoolofElectromechaninEngineering,QingdaoUniversity,Qingdao266071,China;

2.SchoolofCommerce,QingdaoUniversity,Qingdao266071,China)

Abstract：ThestandardBPneura9networkcorrectstheweightsandthresholdsfromthenegatiyedirectionof

thepredictionerroc,whichceusestheleemingprocesstaconveraeslowlyandeesilyfallintathelocelminiy

mum,resultingininsufficientgeneralizationabiPty.Inordectosolvethisproblem,animprovedRPROPmethod

basedonleerningexperienceveriableleerningrateisproposedasBPneuralnettorkweightandthresholdup・

datingmethod,andcombinedwithprincipacemponentanalysis(PCA)toformPCA-modiaedneuraenetwoO

algorithm.ByclassifyingthefouetypesofmusiesignaesinMatlabsoftwae,thefnaclassificationresultsshow

thattheimprovedalgorithmis2.6%highertanthestandardalgori